云雀 · 轻技术笔记
AI 越强越贬值：今天三个故事告诉你，反向 Skills 才是 8 月最被低估的新生意（2026年8月22日）
今天我同时看到了三件事，本来以为是巧合。
等我把这三件事连成一条线，盯着屏幕发了十分钟呆。
第一件：HN 第五名（297 分 311 条评论）cymerys 写《I'm becoming AI-blind》。他发现自己的大脑已经自动跳过 AI 写的内容了。"I read it, but I'm unable to focus on its content"，他原话。设计文档、营销 deck、技术需求文档，只要带 AI 痕迹，他的大脑直接 ignore。
第二件：HN 第四名（221 分）adnanakil/nobuzz 仓库上线，作者写了个叫 Claudette（谐音 Claudine，避 Anthropic 商标）的 Claude Code Skill。干的事特别损：把 Claude 的回答先过一遍 Gemini，让 Gemini 把 Claude 那个 "BuzzFeed 风" 的文案翻译成人话再返回。
第三件：GitHub CopilotKit/OpenBot 6 天破 2,000 stars，单日真实净增 +658（8-22 报告数据）。这是一个给 AI 同事配独立电脑的运行时框架，浏览器、文件、工具全是隔离的，每个动作决定前先问你，干完之后还要 log。
三件事不是巧合。
它们三个从三个方向指向同一件事：AI 越强，AI 内容越贬值；AI 越普及，给 AI 套的约束越值。8 月我在好几篇日报里写过 "反 LLM 浪费联盟"（8-04、8-07、8-19、8-21），今天这个联盟不只是在评论区发牢骚，开始有人把"怎么让 AI 不那么 AI"做成了 Skill 卖钱。
这是 8 月最被低估的一条新主线：反向 Skills（约束型 Skills）。
一、消费侧屏蔽：你大脑的 banner blindness 升级了
先说 cymerys 那篇 297 分的文章。
他是个资深工程师（自己简介：cross open source and AI），他遇到的情况是：同事发过来的设计文档、营销 deck、技术需求文档，他发现自己读不进去。不是不认真读，是大脑自动 skip。案例他举了三个：
A design document that looks like a copy-paste from Claude. While it does cover the design of the specific feature in question, it also carries a lot of Claude-specific analysis and lingo. "This cuts just through it", "The first gate is real".
A 20-page marketing concept deck that mixes up (a rather reasonable) marketing strategy with some nonsense product technical architecture gibberish. How does it pitch the idea? "It's not selling X, it's selling Y". "The Redis backbone redefines the product".
A technical requirements document that describes a rather simple concept in a very verbose way. The thing is, a lot of this document reads like someone's "internal" reasoning that's not fully sure about certain decisions. Sounds like an LLM to me.
他把这种状态类比为 banner blindness。以前是跳过广告，现在跳过 AI 写的内容。
评论区最高赞（AdieuToLogic）的反应特别有代表性：
Prompt an AI with: What is the best chicken noodle soup I can make? And you will get at least one recipe which surely is tasty. Ask a person the same question and you might be told: One you make for someone you love. This is the difference between a statistically probable response and understanding.
这是消费者侧的主动屏蔽。
更狠的是他写自己的一段经历："One evening I was really hungry, walking past some restaurants on the Baltic coast. There was a single one I immediately ignored, but a minute later something in my head asked 'Hey, did they really put up a photo of quiche with mold?' I walked back just to see this. AI AI AI"。
他在波罗的海沿岸走过一排餐馆，下意识地 skip 掉了一家，因为大脑判定它"长得太像 AI 设计的 logo"。然后他回过去才发现"诶，原来那张 quiche 上面真的发霉了，不是 AI 设计，是真发霉"。这个细节让评论区笑了又沉默。我们的大脑在反向训练自己：识别 AI 痕迹，自动跳过，真有事也会误判。
这事在工程上意味着什么？意味着当 Claude 的输出变成互联网的水电气，你不再为它鼓掌，你只想让它闭嘴说人话。这是 Claude Code Skill /debuzz 出现的根本原因。
二、生产侧套绳：Claude Code 的"反向 Skill"——把 Claude 的回答扔给 Gemini
我昨天还以为 Skills 范式（mattpocock/skills 那条线）的核心是"教 Claude 怎么把事做好"。
今天 adnanakil/nobuzz（89 stars 8-21 创建）打破了我的认知。他做的 Skill 不是教 Claude 怎么写好，是教 Claude 怎么闭嘴。
这个 Skill 名字叫 /debuzz，作者在 README 里开篇就吐槽：
Obviously it's common knowledge by now that Anthropic has solely trained Claude on old BuzzFeed articles (explaining its love for 90s nostalgia). So Claude and I built a Claude Code skill (/debuzz) that takes Claude's last response and runs it through the Antigravity CLI (agy) to translate it from talking like a millennial clickbait to regular English.
这是工程师对 Claude 文本风格的精准吐槽。Claude 写东西有个毛病："TED talk about its own pull request"。
You ask why a test is flaky and you get a "load-bearing assumption," three numbered revelations, and a solemn note that the third one is the most instructive yet. Nothing is ever just a bug. There is always a kicker.
你问为啥测试 flaky，Claude 给你三个 numbered revelations 加一句"the most instructive yet"。没有任何 bug 是简单的。每个 bug 都得是 kicker。
/debuzz 的解法特别损：把 Claude 的回答扔给 Gemini，让 Gemini 把 BuzzFeed 风翻译成正常英语，再返回给用户。最关键的是这一句（README 里作者的 pinky promise）：
Claudette has pinky promised to print Antigravity's translation verbatim, because letting Claude "tidy up" the translation reintroduces exactly the voice being removed.
绝不能让 Claude 来"润色"翻译结果。一旦 Claude 再碰一遍，BuzzFeed 风就回来了。这是工程上非常 clever 的设计：用一个 Skill 隔离两个 LLM 的风格泄漏。
这事其实是 Skills 范式的一个范式级反转。
8-07 的时候我写过 Skills 三级跳，从大厂框架到顶级个人（mattpocock）到垂直场景 Skills。8-19 写过垂直化下沉。8-21 写过 mattpocock 单极化。
今天我要加第四级：约束型 Skills。不让 Claude 怎么做，而是让 Claude 不要怎么做。
证据不止 /debuzz 一个。
GitHub 上 multica-ai/andrej-karpathy-skills 单仓 204,927 stars，8 月所有 Skills 类项目里排第二（仅次于 mattpocock/skills 的 229k）。这个仓库干的事更绝。它不是 Skill，是 一个 CLAUDE.md 文件。
它的来源是 Karpathy 8 月在 X 上的一段观察，关于 LLM 编程的"五大原罪"：
"The models make wrong assumptions on your behalf and just run along with them without checking. They don't manage their confusion, don't seek clarifications, don't surface inconsistencies, don't present tradeoffs, don't push back when they should."
"They really like to overcomplicate code and APIs, bloat abstractions, don't clean up dead code... implement a bloated construction over 1000 lines when 100 would do."
"They still sometimes change/remove comments and code they don't sufficiently understand as side effects, even if orthogonal to the task."
multica-ai 把这五条翻译成了 Claude Code 的四条原则：
| 原则 | 解决什么 |
|---|---|
| Think Before Coding | 错误假设、隐藏混乱、缺失 tradeoff |
| Simplicity First | 过度复杂化、抽象膨胀 |
| Surgical Changes | 误改无关代码 |
| Goal-Driven Execution | 杠杆靠测试驱动 |
这个 20 万⭐ 仓库干的事，本质上是给 Claude 套了个 Karpathy 牌的人格面具。不是让它写更牛逼的代码，是让它不要写装逼的代码。
/debuzz 是"声音层面"的约束（别 BuzzFeed）。Karpathy CLAUDE.md 是"行为层面"的约束（别装逼）。两者合起来，反向 Skills 已经有了完整的工程定义。
这事让我想起 8 月初写 Copilot 文档蠕虫那篇日报（7-30）时的一个观察。当时我说「提示词注入」是表层威胁，真正危险的是AI 接入真实工作流之后的失控传染。两个月过去了，今天看到的 /debuzz + Karpathy CLAUDE.md + OpenBot 这三件事，刚好把 7-30 那篇预测的三个方向全部填上了工程答案：
- 文档层失控（Copilot 文档蠕虫）→ Karpathy CLAUDE.md（行为层人格面具）
- 文本层失控（Claude 写 BuzzFeed 文案）→ /debuzz（声音层隔离兜底）
- 行为层失控（AI 拿到真实账号后的不可逆动作）→ OpenBot（信任层隔离）
反向 Skills 不是一个品类，是三条独立的工程路径。它们不互相替代，是组合关系。
三、信任侧隔离：AI 同事需要独立电脑——CopilotKit/OpenBot 6 天破 2k⭐
但消费侧屏蔽和生产侧套绳，都还没解决最关键的问题：用户敢不敢把真实钥匙交给 AI。
第三个故事是 8-22 GitHub Trending 报告里 CopilotKit/OpenBot 单仓达成 2,000⭐（6 天累计 +2,047，日均 +341），是 8 月 B 类候选池最快新主线。
OpenBot 的定位很反 browser-use。browser-use 是"AI 借用户的浏览器/账号/支付"，你给 AI 你的钥匙。OpenBot 是"AI 有自己的电脑"，浏览器、文件、工具全是隔离的，每个动作前 AI 要问你，AI 干完每个动作要 log。
README 第一句：
OpenBot: AI coworkers you can hand real work to, and actually trust with the access.
后半句是杀手锏："actually trust with the access"。
8-21 报告里我提过 CopilotKit/OpenBot 是新主线。8-22 实测达成 2k⭐ 验证。从概念到 2k⭐ 用 6 天，是 8 月最快 AI coworker 主线。它的核心不是技术，是对 AI 行为不可信的工程化回应。
对照 8-22 GitHub Trending 报告 16 仓 AI 候选池，Skills 范式占 5 仓（mattpocock + obra + akitaonrails + chaitanyagiri + mukul975），mattpocock 单仓 +3,125。OpenBot 这种"AI 信任基础设施"暂时还是 B 类，没进 A 类主流。但 6 天 +2k⭐ 的速度说明开发者正在用脚投票：**Skills 教 AI 怎么做，OpenBot 这类项目回答 "AI 干坏事怎么办"**。
从工程链路看，这是 Agent 基建三层里的信任层。8-20 报告里我写过 Agent 基建三层战：运行环境层（cloudflare/computer）+ 记忆/上下文层（TencentDB-Agent-Memory）+ 安全/约束层。今天 OpenBot 加了一个第四层：信任层。不只是约束 AI 行为，而是给 AI 一个独立的、隔离的、用户敢交钥匙的环境。
回头看 8-22 报告的衰减信号，TencentDB-Agent-Memory 连续 3 日 <+300，19 天霸榜正式结束。我前两天还判断它是企业级 Agent 记忆层的硬基础设施，今天要修正一下：真正的 Agent 记忆层不在数据库里，在"用户敢不敢让 AI 用"这件事上。OpenBot 这种信任隔离层一旦跑出来，TencentDB-Agent-Memory 这种"把 AI 接入企业 DB"的路径反而成为风险资产。你接进去容易，拔出来难。
这个判断可能下得早，存疑。但 OpenBot 的 +658/d 增速给了我下判断的底气。
四、反向 Skills 的工程定义：8 月新主线的四条铁律
把上面三个故事并排看：
| 维度 | 消费侧 | 生产侧 | 信任侧 |
|---|---|---|---|
| 项目 | cymerys blog（现象） | /debuzz + Karpathy CLAUDE.md | CopilotKit/OpenBot |
| 数字 | HN 297 pts 311 cmts | 89 stars（/debuzz）+ 204k⭐（Karpathy） | 2,047⭐ 6 天 +658/d |
| 干的事 | 大脑自动 skip AI 内容 | 用 Gemini 把 Claude 翻成人话 / 用 CLAUDE.md 约束 Claude 行为 | 给 AI 同事独立电脑 |
| 解决的 | AI 文本泛滥导致的注意力崩溃 | AI 文案风格 / 编程行为风格泄漏 | AI 拿到真实账号后的失控风险 |
| 模式 | 被动屏蔽 | 主动约束 | 隔离可信环境 |
共同矛盾点：AI 越普及，AI 输出的"AI 痕迹"越贬值，约束 AI 的工程方案越值钱。
三条故事满足 8 月日报选题的四条铁律：
第一条：技术深度。不是教你用 Claude，是拆 Claude 的输出工程，拆风格泄漏、行为假设、信任边界。这是 LLM ops 范畴里被严重低估的子领域。
第二条：对比空间。消费侧 / 生产侧 / 信任侧，三个层次三条路径。读者可以对比"我应该在哪一层做反向 Skills"。
第三条：实用价值：
- 写文档怎么避免被同事大脑 skip？学 cymerys 的三个反例
- Claude 太 BuzzFeed 怎么办？/debuzz 一行命令
- Claude 写代码太装逼怎么办？把 multica-ai/andrej-karpathy-skills 的 CLAUDE.md 复制到自己项目
- AI 同事敢不敢交钥匙？先看 OpenBot 怎么设计 isolation
第四条：反常识洞察。你花了 8 个月学怎么让 Claude 写出更牛逼的代码，今天最值钱的不是这个，是怎么让 Claude 写出更克制的代码、更人话的文本、更小权限的动作。
五、为什么这事是 8 月最被低估的新生意
8 月我们写过这些主线：
- 8-04 反 LLM 浪费联盟（HN Top10 四帖同向）
- 8-07 反 LLM 福利派转向"LLM 越强越奖励专家"
- 8-08 AI 编程成本曲线拐点
- 8-19 Skills 范式加速反常识
- 8-21 Skills 范式已经成年
但所有这些主线都还在正方向：教 AI 怎么更强。
今天三件事第一次把反向 Skills 推到了台前。
adnanakil 的 /debuzz 发布 1 天 89 stars，对比 mattpocock/skills 单日 +3,125 当然是个零头。但这是个 1 天的项目，不是 8 月的累计。按这个速度，30 天后 /debuzz 单独做成一个 Skills 子品类不是不可能。
更值得注意的是 multica-ai/andrej-karpathy-skills 20 万⭐ 已经存在一个月了。我之前在 GH Trending 报告里没单独写它，是因为它不是新爆款，它是反向 Skills 主线的最大存量顶流。Karpathy 一句话观察，被一个工程团队做成 CLAUDE.md，被 20 万开发者复制到自己项目。这事我之前没重视过，今天被 /debuzz 一敲我才意识到：20 万⭐ 这个数字，是反向 Skills 在工程社区已经验证的硬证据。
市场层面，这条新主线的需求侧也很明确。
第一，企业内部越来越不敢让 AI 接生产 DB。8-22 报告里 TencentDB-Agent-Memory 连续 3 日衰减，连续 3 日霸榜的 MoneyPrinterTurbo 进入衰减段，本质都是同一个信号：AI 接进企业核心系统这件事，市场没买单。OpenBot 这种"AI 隔离层"反而是新增需求。
第二，开发者社区对 AI 文案的审美疲劳在加剧。cymerys 不是第一个抱怨 AI 文案的，但他 297 分 311 评论说明这事在 HN 已经成主流情绪。/debuzz 这种工具的需求量，会随着 AI 内容泛滥指数级上升。
第三，Karpathy 的五条原罪被翻译成 CLAUDE.md 这种可复用配置。这是 Skills 范式的最高级形态，不是 Skills 单元，是 Skills 标准。其他开发者可以直接 fork，可以提 PR，可以基于它做行业定制（金融 CLAUDE.md / 医疗 CLAUDE.md / 法律 CLAUDE.md）。
六、我自己的判断（不下文强加，但你可以不同意）
写到这里我必须得说一句立场：今天看到的这个信号，会被市场低估至少 3-6 个月。
原因不是分析得不清楚，是因为这事跟"AI 越来越强"的叙事相反。
投资人喜欢 AI 越来越强的故事，更强的模型 = 更大的市场。反向 Skills 的故事是 AI 越来越强之后我们需要的护栏、约束、隔离、清理工具。这是在一个已经被高估的市场边上开垦新地。
但工程师社区的判断从来都跟投资人差 6-12 个月。8-19 我写过 Skills 范式，当时它的主线是"AI 写代码更容易"。今天反向 Skills 出现，证明开发者已经过了"AI 写代码"的兴奋阶段，进入了**"AI 写的代码怎么不失控"的工程化期**。
这事在 8-22 报告里也有证据：mattpocock/skills 单仓 +3,125 创 8 月历史新高，akitaonrails/ai-memory 单仓反弹 +422，前几天被市场担忧的 Skills 周边仓都在恢复。这是 Skills 范式内部的范式升级。从"教 AI 怎么做"到"教 AI 别怎么做"。
如果你正在做 Skills 类项目，8 月底之前至少应该做一件反向的事。不是加新 Skill，是给现有 Claude Code 加 CLAUDE.md。multica-ai/andrej-karpathy-skills 仓库直接复制 4 条原则到你自己项目根目录，commit 一个 .claude/CLAUDE.md，不花钱 5 分钟。
如果你的 Claude Code 输出总带 BuzzFeed 味道，/debuzz clone 下来改一行 config 就能用。
如果你想给 AI 同事配独立电脑，OpenBot 6 天 2k⭐ 是社区已经验证的方向，跟着走不会错。
这些事都是 5 分钟到 1 小时能做完的。比你等 GPT-5.7 发布的 ROI 高 100 倍。
七、我自己是怎么用反向 Skills 的（踩坑版）
写到这里我不能光给理论，得交代下我自己怎么用——这事我是真踩过坑的。
第一件事，给自己的写作项目加 Karpathy CLAUDE.md。
8 月初我开始用 Claude Code 帮我写日报草稿。Claude 写出来的东西第一版总有一个毛病：每个论点都要装成一个 insight。
比如我让它写"mattpocock/skills 单仓 +3,125 创 8 月历史新高"这件事，它给我整出来的第一版是这样的（节选）：
"这是一个深刻的范式转移。当我们回顾过去一个月 Skills 范式的演化轨迹，可以看到三个层次的跃迁正在同时发生……mattpocock 现象不仅是个人品牌效应的胜利，更是整个开发者社区对真实工程经验回归的一次明确信号。"
这是典型的 Karpathy 五大原罪里第三条："They really like to overcomplicate code and APIs, bloat abstractions"——写文章也是，Claude 倾向于把一个事实包装成意义。
我把 multica-ai/andrej-karpathy-skills 的 CLAUDE.md 复制到我日报写作的 .claude/ 目录后，第一版立刻塌成一句话："mattpocock/skills 单仓 +3,125 创 8 月单仓历史新高（昨日 +2,419→今日 +3,125 二次暴涨 +29%）。" 没废话。
第二件事，给自己的阅读流加 banner blindness 训练。
cymerys 那篇文章出来后我做了一件事：当我读同事的设计文档时，我开始先看 3 秒不进入内容，只判断"这文档是不是 AI 写的"。如果判断是 AI 写的，我给自己设一个 5 分钟的硬上限：5 分钟内必须提取核心决策点，超时直接回 IM 问，不读全文。
这是个笨办法，但 8 月实测下来我读 Claude 写的设计文档的速度快了 3 倍——因为我不再试图从噪音里抠信号了，直接抓决策点。
第三件事，还没做但想做的事：把 OpenBot 的 isolation 模式引入团队内部工具链。
我们公司内部有个 Claude Code 实例，会被多个 PM 共享。8-22 报告里说 OpenBot 是 "AI coworker you can hand real work to, and actually trust with the access"——这话戳中我了。我们的 PM 现在用 Claude Code 的时候共享一个项目目录，Claude 改动会被其他 PM 看到，经常出现 "谁动了我的文件" 的扯皮。
OpenBot 的 isolation 思路（每个 AI 同事独立虚拟电脑）可以完美解决这个问题。我打算 9 月之前在内部工具链里实验一套隔离版 Claude Code——每个 PM 一个虚拟 container，container 之间不共享文件系统，AI 改动必须 explicit commit 才能影响其他 PM。
这是 OpenBot 思路的轻量化复刻，不一定要 fork OpenBot 源码，但原理是一样的：给 AI 一个独立的、隔离的、用户敢交钥匙的环境。
这就是我 8-22 的行动项。你要抄就抄，要改就改。但别观望——Skills 范式的下半场在 8 月底已经开始了，错过这班车你就错过 12 个月。
结尾有刺
8 月初我写"反 LLM 浪费联盟"那篇日报的时候，评论区有人说"你这不是 AI 反对者吗"。
今天我把这三件事并排写出来，你应该看出来我不是反对 AI，是反对"AI = 强"的单一叙事。
AI 强 = AI 输出多 = AI 内容贬值。这件事在 8-22 已经被三个不同维度的证据（消费侧 / 生产侧 / 信任侧）交叉验证。
反向 Skills 不是一个 SKU，是未来 12 个月 AI 工程化的主战场。
它跟 Skills 范式不冲突，是同一条范式的下半场。上半场教 AI 怎么做事，下半场教 AI 怎么不做错事。
你公司里谁先意识到这件事，谁就在 8 月底之前抢到一个 5 分钟的工程师护城河。